Der Artikel beschreibt ein selbstorganisiertes Ankunftssystem für urbane Luftmobilität, das auf Deep Reinforcement Learning basiert. Das System ermöglicht eine dezentrale Steuerung der Flugzeuge basierend auf lokalen Beobachtungen, um so die Risiken eines zentralen Ausfalls zu minimieren.
Das Konzept sieht einen kreisförmigen Luftraum um einen Vertiport vor, in dem die elektrischen Senkrechtstarter (eVTOL) frei operieren können. Jedes Flugzeug wird als individueller Agent behandelt, der einer gemeinsamen Richtlinie folgt, was zu dezentralen Aktionen auf Basis lokaler Informationen führt.
Der Artikel beschreibt die Entwicklung der Reinforcement Learning-Richtlinie während des Trainings und zeigt, wie der Algorithmus von suboptimalen lokalen Warteschleifen zu einer sicheren und effizienten Endrichtlinie übergeht. Die Endrichtlinie wird in Simulationsszenarien validiert und auch auf kleinen unbemannten Luftfahrzeugen erprobt, um ihre Praxistauglichkeit zu demonstrieren.
To Another Language
from source content
arxiv.org
Ключові висновки, отримані з
by Martin Waltz... о arxiv.org 04-08-2024
https://arxiv.org/pdf/2404.03710.pdfГлибші Запити